怎么使用Java提取PDF上的文件内容

可以使用 Apache PDFBox 库来提取 PDF 文件中的内容。下面是一个简单的例子，演示如何使用 PDFBox 提取 PDF 文件中的文本内容：

import java.io.File;
import java.io.IOException;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.text.PDFTextStripper;

public class PdfBoxTest {
    public static void main(String[] args) throws IOException {
        // 加载 PDF 文件
        PDDocument document = PDDocument.load(new File("test.pdf"));

        // 创建一个 PDFTextStripper 对象
        PDFTextStripper stripper = new PDFTextStripper();

        // 获取 PDF 文件的文本内容
        String text = stripper.getText(document);

        // 输出文本内容
        System.out.println(text);

        // 关闭 PDF 文件
        document.close();
    }
}

运行该程序，可以得到 PDF 文件中的文本内容。

当然，如果需要提取 PDF 文件中的其它内容，比如图片、表格等，也可以使用 PDFBox 提供的相应工具类来实现。例如，使用 PDFBox 提取 PDF 文件中的图片，可以使用如下代码：

import java.io.File;
import java.io.IOException;
import java.util.List;
import org.apache.pdfbox.pdmodel.PDDocument;
import org.apache.pdfbox.pdmodel.PDPage;
import org.apache.pdfbox.rendering.PDFRenderer;

public class PdfBoxTest {
    public static void main(String[] args) throws IOException {
        // 加载 PDF 文件
        PDDocument document = PDDocument.load(new File("test.pdf"));

        // 创建 PDFRenderer 对象
        PDFRenderer renderer = new PDFRenderer(document);

        // 获取 PDF 文件中的所有页面
        List<PDPage> pages = document.getPages();

        // 遍历所有页面，提取图片
        for (int i = 0; i < pages.size(); i++) {
            PDPage page = pages.get(i);
            int pageNum = i + 1;
            String fileName = "page" + pageNum + ".png";
            renderer.renderImageWithDPI(pageNum - 1, 300, fileName);
        }

        // 关闭 PDF 文件
        document.close();
    }
}

运行该程序，可以将 PDF 文件中的所有页面转换成 PNG 图片保存到本地。